Oma ligi 80-aastase ajaloo juures on elektronarvutid fundamentaalselt muutnud info kogumist, töötlust ja kommunikatsiooni. Kiirete numbriliste arvutuste võimaldajast (computer oli ametinimetus käsitsi arvutajatele, peamiselt tegelesid sellega meestest palju hoolikamad naised) sai kuuekümnendatel ettevõtete andmete, palgatšekkide ja reserveeringute haldaja. Kui 1980ndatel jõudsid personaalarvutid ja tabelarvutus massidesse, kadusid masinakirjutajad. Edasi avas ülemaailmne võrk Internet ligipääsu kaugel olevale infole ja suhtlusele. Kui veel 1990ndatel olid veebisaidid uudiseks, muutus 2000ndate keskel telefon arvutiks, digitaliseeriti TV ning sai päriselt võimalikuks kaugtöö. Laohaldus, pangakonto, tekst, kõne, pilt ja video on meile praegugi tajutavamad kui miljardite sensorite püsivad andmevood ja nutikate asjade Internet.
Iga viieteistkümne aastaga on arvutite arengus toimunud ca 1000-kordne efektiivsuse kasv. Energiavajadus on kasvanud tänu meeletule arvutite arvu kasvule, mitte üksiku arvutustehte kulule. Arvutiteadus loob teadmisi ja uusi meetode arvutite programmeerimiseks – paremad algoritmid suudavad samast arvutist välja pigistada rohkem kasu. Teoreetiliselt “parem” algoritm aeglasel arvutil töötab lõpmatult suurte ülesannete puhul lõpmatult palju kiiremini kui veidi “halvem” algoritm kiiremal arvutil. Siinjuures on paslik öelda, et sellise analüüsi puhul ei tohiks kasutada sõnu “parem” ja “halvem”, vaid matemaatilist notatsiooni algoritmi keerukuse kasvule sisendandmete mahu kasvamisel, näiteks “n elemendi sorteerimiseks kulub vähemalt n∙log(n) võrdlustehet elementide vahel”.
Millised on vajalikud arusaamad, teadmised ja oskused, mis on kõikidel erialadel vaja omandada digipädevuste sildi all? Vast mitte see, kuidas arvutit käivitada, Wordi, Google’it või Zoomi kasutada. Neid oskusi ootame juba ülikooli astujalt. Küsimus ei ole ka selles, et igaüks peab hakkama programmeerima. Samas Excel on teatud piirini juba arvutuste programmeerimise, andmehalduse ja -analüüsi vahendiks paljudele. Kas kõik oskavad faktiridadest luua risttabeleid? Vähemalt standardjuhtudel tuleks sellegagi hakkama saada.
Informaatika fundamentaalsed seadused pole nii hästi teada võrreldes füüsikaga (massi, inertsi ja energia jäävuse seadused näiteks). Kuid informatsiooni kohta kehtivad ka oma seadused, reeglid ja piirid, nende mingigi tunnetamine tuleks kasuks igaühele. Jah, autojuhtimiseks ei pea enam teadma mootori pisidetaile, kuid vahet sisepõlemis- ja elektrimootori vahel vast teatakse ja seda, et suure hoo pealt ei saa auto hetkega peatuda ei libedal ega asfaldil, ja autos saab viga, kui toimub olulise kiiruse või massi vahega kokkupõrge.
Digi-arusaamine hakkab pihta elementaarsest – kuidas bitid on baitides ja kuidas saab baitide komplektidega esitada täisarve, reaalarve, teksti, küljenduse märgendusi, vektorgraafikat. Kogu info on esitatav ja esitatud bitijadade baasil – fotod, video, heli, jne. Kuidas korrastada oma andmeid Excelis, mis on andmebaas ning miks on vaja andmemudelit andmebaasi tegemisel? Ka seda, et osa andmeid võib olla puudu või olla valed või ühildumatutes formaatides. Nagu füüsikas tuleb tegeleda mõõtmisivigadega, tulevad ka andmete käsitsi sisse toksimisel ja isegi automaatselt kogumisel vead sisse. Milliseid andmeid saab usaldada, mis piirini? Kuidas statistika ja visualiseerimine aitab andmetest sotti saada?
Veidi ootamatu võib tunduda, et kõik maailma arvutid kokku poleks kogu oma eluea jooksul suutelised tekitama kõiki võimalikke erinevaid 1-kilobaidiseid (1024 baiti, ehk 8192 bitti) faile. Sest kilobaidiseid bitijadasid on kokku ca 102460 (üks 2460 nulliga kümnendsüsteemis). Kõige kiiremad arvutid alles hakkavad exaskaalasse jõudma, mille puhul tehakse 1018 tehet sekundis. Selliseid arvuteid peaks olema vähemalt 102434, et ühe aastaga kõik sellised kilobaidised bitijadad üles loendada. Teiselt poolt saaks vajadusel igale universumi ca 1080 aatomile või meie virtuaalmaailma objektile anda kilobaidiga täiesti unikaalse aadressi läbi kogu tema eksistentsi aegruumi hetke ja koha. Interneti aadressid said korraks otsa (IPv4 aadressiruum sai täis), kui selleks kasutati 32 bitti (232 ehk ca 4 miljardit erinevat arvu). Uue aadressiskeemi IPv6 loomisel kasvatati see 128 bitini (ca 3.4×1038).
Digipädevused on minu arust mõistmine, et bitt (0/1) on informatsiooni fundamentaalne ühik, et sellega saab esitada “kõike” ja tehted toimuvad tavalise matemaatilise loogika alusel. Et algoritm tähendab eeskirja, kuidas mingit kokkulepet süstemaatiliselt peaks täitma; et algoritm saab kasutada juhuslikkust, et sama algoritmi saab realiseerida paljude erinevate programmeerimiskeelte ja süsteemidega; et arvuti protsessor arvutab, ning mälu ja salvestusruum on praegu vähemalt veel eri asjad. Et ei ole võimalik luua programmi, mis leiaks selle “parima” kilobaidise faili, kui selle jaoks tuleks neid kõiki ükshaaval hakata katsetama, jne. See on formaalse hariduse osa, mis vastab enamvähem matemaatikale ning võiks sellisena ka gümnaasiumis selgeks saada. Aga ülikoolis tuleks ilmselt üle korrata.
Teine vaade on see, kuidas arvuti, telefoni või külmkapi programmi kasutada, eriti kui selle kasutajaliides pole võibolla kõigi jaoks loogiline ega inimsõbralik (kellele?). Aga mis üldse on inimsõbralik, loogiline, paindlik, ja seejuures ka võimekas ning kiire kasutada? Kuidas teha selgeks, mis ülesannet programm peaks lahendama, kuidas peaks mõtlema oma eriala andmetest, kuidas erinevad Wordi, HTMLi, LaTeXi ja PDF failid või XML andmefailid digiloo portaalis, mida tähendab digiallkiri ja kuidas seda anda, kas plokiahela krüptoraha ja e-valimised on turvatavad? Viimase kümne aasta tehisintellekti arengutest saab lühiülevaate ka Postimehe kokkuvõttest.
Ma arvan, et ülikoolis on vaja jõuda arusaamiseni, mis on IT põhialus ja mida peavad teiste erialade spetsialistid teadma IT võimalustest ja piiridest. Selleks, et hinnata, kuidas kasutada IT-d oma erialal, mida ja kuidas saab usaldada, mida ei tohiks lasta juhtuda, mis on tehisintellekti praegu kiiresti arenev eesliiniteema, jne.
Valdav enamus ei hakka ilmselt programmeerima rohkem kui on vaja Excelis oma projekti eelarve tulude-kulude analüüsiks, pangalaenu liitintressi arvutamiseks või infopäringus andmebaasis sobrades. Aga ka tavalised töövahendid arenevad ja täienevad uute võimalustega, milleks on formaalsed alused ilmselt praegu juba hästi paigas. Kuidas õpetada, mis on andmebaas ja failiformaat, millised on struktureeritud ja millised struktureerimata andmed, et iga bitt ja bait peab sattuma andmebaasis õigesse kohta. Või seletada, kuhu läheb süsteemide tellijate, arhitektide ja programmeerijate aeg? Sellest saab kõige paremini aru, kui ise katsetada veidikenegi programmeerimist. Umbes nii nagu laulurahvas peaks aeg-ajalt suu lahti tegema ka siis kui pole absoluutset kuulmist. Katseprogrammi tegemine on lihtne, ohutu ja eetiliste piiranguteta, see pole võrreldav näiteks taime, putuka või konna prepareerimisega loodusõpetuses.
Igaühel on samas juba praegu võimalik ise õppida Interneti abil. Kõikidel erialadel leidub programmeerimise oskusega inimesi – keemikud ja füüsikud nagunii, aga lisaks olen ma kohanud näiteks sügavaid närvivõrke katsetanud arste ja biolooge. Koeproovide mikroskoobi pildi analüüsi meetodid aitavad luua patoloogide tööd oluliselt kergendavaid abivahendeid. Masinõpe on võimaldanud luua täiesti uusi lahendusi, mida inimene käsitsi algoritmina ise kirja panna ei suudaks, vähemalt mitte mõistliku ajakulu ja kvaliteediga. Parima lahenduse saab koostöös, igaüks oma eriala vaatest õiget sisendit andes.
Ilmselt on lõputu vaidluse allikaks küsimus igaühe IT-oskustest vs kuidas digitaliseerimisest just kitsalt oma eriala vaates praegu kasu on ja kas selleks on ikka vaja osata programmeerida. Ainult võimalikust kasust rääkimine ilma arusaamise pidepunktideta on veidi kitsas vaade ja teiselt poolt kindlasti ei pea igaüks ka programmeerima hakkama. Ega me siis pärast kooli keemiatunde kõik keemikuteks pole hakanud rohkem kui kodus söögitegemisel vaja läheb. Lootus õppida digitaliseerimise kitsast kasu praegu, kohe, iga rakendusvaldkonna võtmes eraldi, on pigem illusoorne. Parem oleks ülikoolis omandada mingi arusaam, mis on digitaliseerimise aluseks. Sest siis saab tulevikus kergemini rakendada oma erialast loovust ning välja mõelda, mida võiks põhimõtteliselt saavutada.
Digipädevuste arendamisel kõikide erialade üleselt tuleks mõelda sellele fundamentaalsele alusele, mis on ja mida pakub informaatika ehk arvutiteadus üha kiiremate ja rohkemate arvutite, meedia, sensorite, ja veel kiiremini kasvavate andmemahtude tingimustes.